近日，中國計量大學(xué)機電工程學(xué)院何雨辰副教授團隊題為“Virtual sensing techniques for nonlinear dynamic processes using weighted probability dynamic dual-latent variable model and its industrial applications”（基于質(zhì)量相關(guān)加權(quán)概率動態(tài)隱變量結(jié)構(gòu)的非線性動態(tài)工業(yè)過程軟測量方法及其實例應(yīng)用）的研究論文在人工智能頂級期刊Knowledge-Based Systems在線發(fā)表。通訊作者為何雨辰副教授，第一作者為本校研究生應(yīng)澤。

傳統(tǒng)的硬件傳感器存在成本高、延遲明顯、信息冗余等問題，嚴(yán)重影響了工業(yè)過程中的控制決策。與此同時，隨著現(xiàn)代分布式控制系統(tǒng)（DCS）和工業(yè)物聯(lián)網(wǎng)（IoT）的普及，大量有價值的工業(yè)數(shù)據(jù)被采集、傳輸、存儲。數(shù)據(jù)驅(qū)動的軟傳感器為這些硬件傳感器提供了可靠、經(jīng)濟的替代方案。與傳統(tǒng)的結(jié)合先驗知識的機理建模相比，數(shù)據(jù)驅(qū)動的軟傳感器具有多方面顯著優(yōu)勢。然而，在實際工業(yè)過程中，數(shù)據(jù)通常包含自相關(guān)性、非平穩(wěn)等復(fù)雜特性。另一方面，傳統(tǒng)的單一隱變量回歸模型不能較好的解釋輸入和輸出數(shù)據(jù)之間的數(shù)學(xué)關(guān)系。

針對上述幾個問題，團隊提出了一種基于質(zhì)量相關(guān)概率動態(tài)隱變量結(jié)構(gòu)的軟測量方法，并結(jié)合加權(quán)方法將其應(yīng)用于實際非線性過程。首先，引入了概率動態(tài)隱變量結(jié)構(gòu)（PDLS）來描述質(zhì)量相關(guān)信息，并利用一階馬爾可夫過程對質(zhì)量特征信息的動態(tài)關(guān)系進行建模。在此基礎(chǔ)上，本研究進一步建立加權(quán)模型（WPDLS），增強算法在非平穩(wěn)過程中的軟測量精度，系統(tǒng)深入地探討了多種軟測量模型在質(zhì)量變量預(yù)測上的性能表現(xiàn)，對進一步擴展WPDLS在軟測量中的應(yīng)用具有重要的理論指導(dǎo)意義和應(yīng)用價值。

近年來，何雨辰副教授團隊依托浙江省智能制造質(zhì)量大數(shù)據(jù)溯源與應(yīng)用重點實驗室平臺，開展高效的復(fù)雜工業(yè)過程監(jiān)控方法及關(guān)鍵技術(shù)研究，多項研究成果已經(jīng)發(fā)表在IEEE Transactions on Instrumentation and Measurement、Engineering Applications of Artificial Intelligence、INDUSTRIAL & ENGINEERING CHEMISTRY RESEARCH、Frontiers of Information Technology & Electronic Engineering等國際知名期刊上。

相關(guān)工作得到了國家自然科學(xué)基金（61903352）、浙江省自然科學(xué)基金（LQ19F030007）、中國博士后科學(xué)基金（2020M671721）、浙江省教育廳項目（Y202044960）、浙江省高校基礎(chǔ)研究基金（2021YW18, 2021YW80）的大力支持資助。